[发明专利]一种基于无监督学习的分布式孔径交互智能评估方法

说明书

本发明公开了一种基于无监督学习的分布式孔径交互智能评估方法，首先收集分布式孔径系统中的孔径数据以及孔径参数数据并且计算出所需要的用于最终评估的中间量，然后利用非监督学习中的DBSCAN(Density‑Based Spatial Clustering ofApplications with Noise)算法对这些未经过标记的数据进行簇聚类操作，簇的数量根据实际评估需求对邻域半径进行调整。对簇聚类过后的数据根据自身需求打上评价标签，利用梯度提升机对经过处理的孔径数据进行评估分类，根据结果，利用专家知识进行交互式特征修正，再次使用梯度提升机进行评估分类，如此循环，直至结果满意，即可保存评估模型，用于新的孔径数据的评估。

技术领域

本发明属于雷达技术领域，具体涉及一种分布式孔径交互智能评估方法。

背景技术

分布式孔径系统是一种通过中心控制处理系统控制多个单元雷达实现电磁波空间能量合成的雷达系统。分布式孔径系统由中心控制处理系统统一控制调配，波束指向相同区域，并在中心控制处理系统控制下进行收发信号全相参，实现目标远距离搜索发现和高精度跟踪的测量系统。

目前对分布式孔径系统的评估只是针对整个系统中每一个具体的参数指标或是问题进行评估。周宝亮等人对分布式孔径雷达系统的各个方面进行了深入的研究，通过这些方面对分布式系统进行细致的评估，这样的评估机制可以准确的反映出整个分布式孔径系统中的细节，但是缺少对于系统的综合能力的评价，非常依赖专业知识，同时也很难做到智能化评估。

目前，对分布式孔径系统的聚合能力，应用能力以及其他综合方面的能力进行评估的研究还处于不断完善的阶段，有待进行更深一步的研究。同时，在涉及到大量数据并且需要自动生成评估结果的情况时，传统的通过每一个具体细节参数或指标进行评估的方法有很大的局限性。因此，提出一种能反映出分布式孔径系统整体能力的评估方法是十分有意义的。

发明内容

为了克服现有技术的不足，本发明提供了一种基于无监督学习的分布式孔径交互智能评估方法，首先收集分布式孔径系统中的孔径数据以及孔径参数数据并且计算出所需要的用于最终评估的中间量，然后利用非监督学习中的DBSCAN(Density-Based SpatialClustering of Applications with Noise)算法对这些未经过标记的数据进行簇聚类操作，簇的数量根据实际评估需求对邻域半径进行调整。对簇聚类过后的数据根据自身需求打上评价标签，利用梯度提升机对经过处理的孔径数据进行评估分类，根据结果，利用专家知识进行交互式特征修正，再次使用梯度提升机进行评估分类，如此循环，直至结果满意，即可保存评估模型，用于新的孔径数据的评估。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：提取孔径参数；

采集孔径数据，计算需要用于最终聚合能力评估的中间参数，包括单部孔径系统抗干扰能力、极化类型系数、多孔径空域重叠系数、多孔径频域重叠系数、信号类型系数和分布式孔径抗干扰能力指标；

步骤2：孔径参数预处理；

对孔径参数进行空间对准、时间对准和航迹关联处理，得到经过信息融合后的规范航迹数据；同时要对系统中类型为分类变量类型的孔径参数进行one-hot编码处理，然后将数据格式转化为Numpy数组；

步骤3：利用DBSCAN聚类算法进行聚类操作；

根据评估类别的数量、调整邻域半径和minpoints的值，对步骤2得到的数据进行聚类操作，同时剔除噪声点；

步骤4：对聚类后的数据进行标注；

对每一个聚合后的数据类打上评估类别标签；

步骤5：利用梯度提升机进行数据学习；